Escolar Documentos
Profissional Documentos
Cultura Documentos
0.8 0 .8
0.6 0 .6
0.4 0.4
0.2
O
111111111111
o I 2 3 4 5
,6 7 8 9 10 11 12 o 1 2 3 4 5 6
, 7 8 9 10 11 12
t:Jm..!f.;. Momgomel"); D.e. ; RIIIIgel; O.C. Applled SfaflSflCS Gl1d Probabllttyfor ElIgllleers, 6"d
Edmoll; Wile) ; 20/4.
Variáveis aleatórias contínuas
Variáveis aleatórias contínuas
o Generalidades
o Uma variávd itleitlória COIII domínio forlllado por 11111 número infinito e
illcontável de pontos é do tipo contín uo;
O Seja [x(x) fi função cle densidade de probabilidfules de 1111111 varhível
aleatória continua X, sua função de probabilidades acumuladas é:
}J = 1: 00
xfx (x )dx
"
Variáveis aleatórias contínuas
o Distrilmição uniforme U(a,b)
o Descreve eventos que são
equiprováveis (não necessariam ente
igualmente distribuídos!) entre dois limites a e b;
O Funções de probabilidade: 1
!x (x) - __ o a ~ x ~ b
b- a"
x- a
Fx (x) b -a :
, . ...
• - 1..2.'
u
1./1 •• -
Unirorm
r···_····_· ······_·····_--·---1
i
l;;> , , , •
"
Fante das ,I'lJn-ac&s de dJSmb/llç~s comimlaS: http://U/ruJc. .SIles.oft.llbc.cnI/ilesl20J UIJIComullolu-
Random-J'ánobles.pdf(ji-om the GNU &1t!J/t if~ Libra/)' Rejerence .\1mlllol, M. GCllassJ et 01.)
Acesso em: 1310612017
"
Variáveis aleatórias contínuas
o Dis tribuição uniforme U(a,b)
o Momentos:
a+ b
I" -
2
Unirorm
a - 1,- /3q
b = 1,+/3q
r-'--"'--- -'-------------"'--1
, I
! !
,~L--L--~~c-------~
, .
Variáveis aleatórias contínuas
o Distribuição no rmal N(JI, (1)
o Uma das distribuições mais simples, pois seus únicos parâmetros são os
dois primeiros momentos: média e desvio-padrão;
O Função de densidade de probabilidades:
~
Jx (x ) = q"j2;; exl' [- ~_ ( X_1")2] _cc ~ x :<:: 00
(1
~
O Função de distribuição cumulativa de probabilidades:
F.dx ) = 1% ~
2rr
exl' [-~ (, _1-')2
- 00 (J _
] d: (7
:<:: x :<::
F,,(y ) - l~ ó( z)d, ~ y ~ 00
0.4
Normal
0.3
0.2
O. 1
-5 -1 -3 -2 -1 o 1 2 3 1
Variáveis aleatórias contínuas
o Probabilidades associadas a diferentes intervalos de confiança,
distribuição normal:
0.5 , - - - - - - - - - - - - - - - - - - - - - - - - ,
0.4
0.3
0.2
0. 1
o. ~ _ _....--.::::.
2 68.3%
-4 -3 -2 - I o 1
......
."
...
.. ,., ...
0<'"
• .5 5 55
•
o , ,.,
>.'/ )'/
O Funções de probabilidade:
I x (X) _
~x ,j'E
1 exp [_ ~ ( In(:I:) -
- ~
")2]
F.y(x) - "'I, [ln(X~ - "]
Variáveis aleatórias contínuas
( = 0. " = 1 -
( = L., = I -----
0.5
Lognormal
, -- -- ---------
--- -------
,
,,
,
, -- ---
,,
O~- --------~--------~--------~
o 1 2 3
17
I' - '7 1% +
2 é I)
.J2 rr
2
17 - 1/
R 2- 2 é
•
- 1-'- 1)
~2"
Variáveis aleatórias contínuas
0.7 , -- - - - - - - - - - - - - - - ----,
(7 = 1 - -
O.ô u = 2 -- -- ~
0.5
OA
Rayleigh
0.3 ----
0.2
, ,, -------------
0.1 , ,, ...............
,/ --
U+'~--~------r_----~~--~----~
o I 2 3 ·1 5
fx (x)
F.dx)
0.2 Logistic
0.1
;",-'"
.' -- -- ---- --- "
. "
. -... --
"
"
" ,,
O
-5 -4 -3 -2 -1 O 1 2 3 ·1 5
.
frt\')
.. F CI')
o Fzel )
I: 0 . 5
q
" ~ 0. 5
fl( .1')
p
,. , , ,. , , ,
• •
POF e COF de \'8 rU\ n~1 ft]eHlór ia d ipada 00111 P = 0.2 e q = 0.8.
"
Variáveis aleatórias do tipo misto
o As fun ções de distribui ção de probabilidades de Y são obtidas a
partir das distribuições de Z:
1,()') F,(y)
1-
1-
P
ii Fz Cl')
~ 0.5
o.s
q 1z ( y)
p
o. o.
o 1 2 ) o 1 2 )
x x
"
o~,~ ),' 3 ,
• y
Função conjunta de distribuição cumulativa de
probabilidades
o A probabilidade descrita por Fxy{xJI) muda. por exemplo. se as variáveis X
e Y forem dependentes ou independentes. mas é possível fazer algumas
observações gerais sobre FxrCxJI):
O Como {Y~oo} é um evento certo. então :
{X $ x .Y $oo } = {X $x}
{X $ 00 . l ' $ y} = {Y $ y}
o Portanto:
FX1 ·(X. ) - Fx (x) ~
Fxd . y) - Fdy )
o
y
x 3 35
{
Funções marginais de probabilidade
o A partir da integral a nterionnente apresentada, as funções marginais
de distribuição cumulativa de probabilidades podem ser escritas
como:
Fx (x) = Fx,.(x , ~=
+
I: IX
fx,.(u, v)dudv
....
r d x+ ~\' ) - Fr( x)
PI41BI = PIAn BI
. PIBI
P[ 41B] = PIA n B]
. P[BI
•
P[B] VoltUlle defmido pela
'f----......:-.:.--J densidade conjunta. no
intervalo [x, x +Jx].
"
"
04
02
P [AIB] = PIA n B ]
• P IBI
OI
P IAIB) = P IA n B )
• P IB )
P[A n B]
"
"
04
02
o ,
" l
l y
X H
F\T (x+~r, J')
P l c! IB ) = P IA n B )
• , P IB)
P[A n B] P[B]
,
X
" " ,
X
" ..
x + /';X x +llx
x x
Funções condicionais de probabilidade
o Seja a condição {X=x} tal que fx(x)t-O. A distribuição condicional de Y,
dado que {X=x}, é dada pelo limite:
d F x(z)
d.
o Portanto :
. f~", fx ,.(x. v)dv J~", fx,.( x . v)dv
F,- (yl·\ = x) = = ='+=00"--'-'--'--
fx (x) L fx ,.(x.y)dy
.\ Y
(x, v)dv ~
---~--- .
<!I' [(xl [(xl <!I' i
Além disso. a delivada em / (x) ;
relação a y da integral em ;
i r= l U' (x.y)dr
relação a y de lU1l3 ftulção i
de ," é a pr6p.ia flUlÇ~ O .
..... -................... --........ _.-
i
Derivando e m relaçã o a Y, obtém'se:
/t- (yIX = x) = lu (x . y) = +.!x ,.(x. y)
fx (x ) Loo f .n ·(x . y)dy
Funções condicionais de probabilidade
o Analogamente, para a condição {Y=y}:
PI 41B) = PIA n B)
- PIB)
f ,.{y ) = 1
-00 +00
fx ,.{x. y )dx
J f>- (y ) = 100 +00
h (y lX = x ) fx (x )dx
fx ,.(x. y ) = "'''(yl.\'"
L,}
= x )lx (x) ..
(Teorema da probabilIdade TOral)
.--------,-------.--. __ .- .... ---.---.--.-- .. ---_ .. ------.----.-----_.-._--------.-. __ .. --------._.- ... --.-,
._--------------------------------------------------------------------------------------------------------- -,
L 1 ",(" ·)')'"
ir(")
:. I \T(X'Y) = jj.(y) fr {X r = y) - - - - - ,
. \._ )_ ! W( X..I·)
j",(
.
I, \ · - :r -
f: I \i' (x.y)dy
h'{')
:. !w (x.y)= /\-(X)/ y ( v x =x )- - - - j
o
...
POD
-
Probabilidftde de defecção p/
qualquer ~ de a
~u
Õ
~" r (
J}' y
1\' - ) _ /dx ly ; y)fy (y)
~ - x -
O u
~
Irlx)
. ..
• , .s
~
~ Uma Inspeção resultando em
~ u detecçã o tende a "diminuir" a
~
~ u
- g~.O'l.
--_........... ,,...,.
T,."j4.0
................. ,,...,.
probabilidades de defeitos pequenos
e "aumeutar" probabilidades de
"
" , ] • S I 1 • w defeitos maiores.
TamaMo do defeito
=
[ + oc i: .ry!n- ll',y ldxdY - IJ.}JJy - P ,\ J'l' -1-1'(1I1
Covariâm:ia
o Uma medid a adimensional da covariância entre duas v,a ,s é dada pelo
coe fici ente de correlação. que resulta sempre entre - 1 e 1:
cov[x,rJ
p ,\'Y
O'"xO'"y
...
•
•• •
••••
~
' .. •
•
í
, ••
..-
•
I
Covariância
O<p<- I O< p< 1 "... 1
• ~ • •
./ '
.. ,
H' ~fjf/·:'
<.
-
••
••• .'.
• .,. :
-P: "
.....;. ~ "t' .
• I .
4' - • . .
•
..-
·J·';;·I·~::"
. ..",.f'"
. ".,....
', .
•
•
, f
"...
y.~: ;~
...." ..-<. .
•
• -"",.~' ~"
.,,..-. .
•
- .~,..<'.~
. ..... ....
','.
:!:,4 I .
; ...:~ •
, . ,..
".1
"\-;;'.,
. .'
;. )
.,.~"
p
'Ir
o', ':' . ' • < •.... 4~
• • •
O<p< 1 O<p<1 0 <p<. 1
• • •
..
L.:i~ __ • L..::_ _ _ _ _ _ •
•
Covariância
Complementary example.
From: Chen, C. L. Lecture nOles base<! on Allg& Tang (2007). National TAIWAN University, 2013.
I1-Q - + 11-2
11-, ,,2
Q
+ ,,22
- ,,2,
Covariância
Covariance and Correlation
Ex: A Cantilever Beam
C(QM( = C I(S, + o5, )(a , + 2ao5,)J
= aC( , + 3a fI ' 1 +2aC( 2
•
= a(u~ + I'~) + 3a (I" )(I" ) + 2a (u~ + I~)
a(u~ + 2u~) + a (l' ~ + 2/~ + 31' ,1'2)
...: a(a'f + 2a~) + IJqPM
Cov(Q . M ) - CIQM I "01'" - a(u; + u~)
Cov(Q . M )
=
3
.. Ir '" = U2 =? POli = Jiõ = O'f;;!
.. Q. M : srrong (linear) correlation ar the support
Q, M : NO causal relation
Problemas envolvendo muitas variáveis
aleatórias
o Em problemas de engenharia é comum as variáveis aleatórias
aparecerem em grupos;
o O principal objetivo da análise de confiabilidade estrutural é.
portanto. a determinação de estatísticas em problemas
envolvendo muitas variáveis a leatórias;
o Um conj unto de variáveis aleatórias pode ser {X" X,.... XJ
representado por um vetor X. o vetor de variáveis aleatórias ;
o Uma realização deste veto r corresponde a uma reali2~do de cada
lima das variáveis aleatórias que o compõem. e é representada pelo
evento {X=x}.
Cópulas
Re.liability an alysis of nctwor ks interconnected with copulas
Abstrnct. ErfK!ienl rehabi lily Ilmllysls of complex nelw«k remains a challenging part ()f nsk nnal)'sis. even more $O as
lhe connectivilY bclwfXn criticai infrnSIruc1Urcs increases. Thi papcr cxpands a previousl)' de\'cklpcd mcthod bascd 0fI
5u",h~J.1 signal urt. Whcn: in lhe pmioos work: interdc:pcndeocies ,,'ete Olodelled in a dclenninistic way. multivariale
copub.s are introduced in order 10 replicate conlp!ex dependence struclures. Df lhe difTerenl wa)'s 10 construct high
dime nsional copulas im'cstig'lIcd fM dunng Ihis work. ,tine copula... !\ave pro,en 10 pos.<;C.~" lhe n\OS( nexibili'y while slill
allowing 10 mode! depcndcncics intu ilivcly, Artcr introducing the n:quircd theory 00 copulas and the simulation melhod
weshow how 10 modelcOOlmon cau~ orrai lure and inlerdcpendcncics betwccn nelworks using D· Vjnes an<! appl)' lhem
10 a simple example. t}
Cópulas
,. . .. .
~
I •
\. .... ~.f.' I •
i '
• •
•
•
•
• •
~ a( P(IlI )) = P(IlI)
A
P'
,.-
1."""
U~
1."'1d
",.,
\,I<llol
"'W.I
ttt6~1
~""' ~
a".•,,, = f( .\' )
t;).
Conceito de função de uma variável aleatória
o Seja uma variável aleatória real X(w). A cada ponto amostrai w é
atribuído um nú mero rea l x. O do mínio da v.a. X é o espaço amostrai n
e sua imagem é um conjunto Ix de números reais;
O Seja uma função real g(x), defi nida pelo menos para cada x e Ix. A
fun ~o Y=g(X) é defi nida para cada realização w, ou seja:
Y(w)'!óg(X(w )) ;
O Logo, o domínio de g(X) é o espaço amostrai n e a imagem é outro
conjunto de números reais, Iy.
X(IlI) g(x)
IR
~
XE
---...
1lI, en y e lR
0.50
0.25 0.25
2
0.25
0~--!---1;2--l3f-- x Py!YI - - --II"'--+------Ji--;!;-- X
O 2 3
Seja Y = Q_Y + b. a > O. Neste caso. temos que ax + b ~ Y paro x ::; lI~b. portanto
1,. é o conjunto 1,. = (- . • :;b ). Logo:
Assumindo que: lF
A carga F está relacionada a um
conjunto de caixas iguais, cada
__ -.--------1
uma com peso unitário;
O nÍlmero x de caixas que
descarregam na viga varia de O a /l,
e apresenta distribuição binomial.
A probabilidade de cada caixa
estar presente é p.
Detennine a função de densidadt de probabilidades do momento !letor
que atua no engaste.
11 ) x /I_X
PF(X) = ( X P (I - p) : X= O,I, ... , 11
~' =g'(x)
m'
o No caso acima ilustrado,g (X) é monotonicamente crescente,
f ' ( ) = Jx (x , ) + fS (X2) + + Jx (x n )
I y Ig'(x , )1 Ig' (X2 )1 ... 19' (x .. )1
o Onde:
g'(x) = dg(x)
d, 1 /
".-- '/. .
o Exemplo: No caso do pórtico anteriormente ilustrado. a resposta
(tensão em função do carregamento) pode ser não monotônica ao se
considerar. por exemplo. a possibilidade de escoamento do material.
'--
......
~~C--MIR4~
f_ I
---
U-""2t IF lt li
).51; 1101
3. 111101
l,tIls• •
Ul"d
L11)"1
UlIhl
'.'-'01
,Uxl
4,90lkS MIn
U·'
'N'
Exemplo
Exe mp lo 23 5f)a 1" = aX + b. a > O. Re$olvendo paro x temos x =~. Com g'(z) = a obtém·.se:
t:;. , (y - b)
Idy) ~ ã/.' - . -
Compare este rtsfJltado com o resultado do ezemplo (122). e lIote que podcno ser obtido diretamente
dfT'u:alldo em ",/orão a y.
(Va-h)
Derivada defimção composta:
dF y -'-
Se!' = I(g(x )), tem-se que:
dFy(y) _ '
dI' 'Õ' = /,(g(x )) , g'(x )
d,
Exemplo 2'1 Seja l ' - aS 2 , a > O. As ro(:es são: Xl - e X:z - +J!" A" dcncadas -I!". $(10:
9'(ZI) = 2a.tt = 2Jãü e 9'(%2) = 2cu:z = -2Jãü. Paro 11 < O não hd 50111(60. logo Idu) = O paro li < O.
Portanto. a solurao resulta:
Exemplo
Exemplo 25 Transformação de Hasofer e Lind: Seja X uma v.a. com dlstribulçao
"ormal e 1'<lIümetros X ~ 1\"(I"U) e distribuirao dada pela equaçao ( •. 36).
Para a fUllçáo 1- = g( X ) = x ; ". queremos detenllillQr a distribuiçáo h(Y).
L..--
F ....-----.1:
.........
"' ('K. -
- \ - .(
""
" Original functioo
- O-order appro:t.
.'
,.'.'
- - Ist.orderappl'O.'(.
20 - - 2nd-orderapprox.
3rd-order apprUt. ,
,.'
,-
, .'
s
, , ,.'
,
,,
, ,,
,,
--
, ,
, ~. '"" . -- -------
s
-" "
"
,
-' . -_ .:: --- -
" ,
-,_o,.
-_ ... ... - -- -
,------
- --
- -
- ----- -- ~
•, , • • • •
3
x "
Discussões quanto ti qualidade da aproximaçào devem levar em COI1((I os
cOllfeúdos de probabilidade!
Aproximações para os momentos
o Aproximação de primeira ordem
o Mantendo apenas o term o de primeira ordem da série, tem-se:
" ar[X ] ,, ( )
= 9 (i'x ) + 2 9 i'x
' ·ar[.\' ] d'g(X) !
- 9 (J.1x ) + 2 dx2
"x
" ar[1'] '" ' ·ar[.\'] ( dg(XJ I
dx ~;'<:
)2_ ' ·ar[.\']2
-I
(d'g(:JI )2
dx fJ. ,'t(
+ E [( \' -
. 1',\
.)'] dg (x) d'g (x)
dx dx2
I + E[( \' -
. 1',\
, )<] ( d'g(X)
d:r;2
I )2
fJ.x fJ.x